CN102548470B - 通过分类分析感知测试数据 - Google Patents
通过分类分析感知测试数据 Download PDFInfo
- Publication number
- CN102548470B CN102548470B CN201080044447.9A CN201080044447A CN102548470B CN 102548470 B CN102548470 B CN 102548470B CN 201080044447 A CN201080044447 A CN 201080044447A CN 102548470 B CN102548470 B CN 102548470B
- Authority
- CN
- China
- Prior art keywords
- data
- perception
- level
- experimenter
- skills tests
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Business, Economics & Management (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及分析感知能力数据的系统和方法。本发明的其中一个实施例包括包含从远程位置接收数据的步骤的方法。数据包含与受试者关联的感知能力数据和人口统计学数据。然后存储数据。进一步地,方法包括识别与受试者关联的潜在的评价水平。使用运动树功能至少部分地识别评价水平。方法还包括用潜在的评价水平找回对等数据。进一步地,方法包括确定对等数据何时对于生成与受试者关联的感知能力数据的比较概评具有显著统计学意义。进一步的实施例基于一个或多个训练程序功能开发训练程序。
Description
相关申请的交叉引用
本申请是2008年9月26日提交的申请号为12/239,709的美国专利申请的部分继续申请,该申请要求2007年9月26日提交的申请号为60/975,400的美国临时专利申请的优先权,上述申请以引用的方式结合于此。
技术领域
本申请总体上涉及个人感知能力的测试、训练或分析。更具体地,本申请涉及个人感知能力的远程分析。
背景技术
感知评价技术领域内的技术人员知晓大量的可以通过实施其确定个人的感知能力的强项和弱项的感知测试。典型地,这些测试用于确定个人是否可以从某些形式的感知矫正和/或训练中获益,如果能够获益,还确定哪些类型和程度的感知矫正和/或训练可能是需要的。本领域的技术人员将进一步认识到大量的活动,尤其是竞技性的运动,对个人的感知能力提出了更高的要求。
发明内容
本发明提供一种在远程位置测试受试者的感知能力并在中心位置分析结果的感知测试数据的系统和方法。更具体地,根据本发明的方法可以从远程位置接收数据。数据包含与受试者关联的感知能力数据和人口统计学数据。然后可以存储数据。进一步地,方法可以包括识别与受试者关联的潜在评价水平。使用运动树功能至少部分地识别评价水平。方法还可以包括找回与潜在的评价水平关联的对等数据。另外,方法可以包括确定对等数据何时对于生成与受试者关联的感知能力数据的比较概评具有显著统计学意义。
应注意的是,发明内容部分仅总体上以简单的方式介绍了在以下具体实施方式部分详细说明的概念的一个或多个选择。发明内容部分并非为了确定要保护的发明主题的关键评估和/或重要特征,亦非为了用于辅助确定本申请的主题的保护范围。
附图说明
以下参照附图对本申请进行详细说明,附图以引用的方式结合于此,其中:
图1表示根据本发明的实施例的系统;
图2表示根据本发明的实施例的另一系统;
图3A表示根据本发明的实施例的第一简化运动树功能;
图3B表示根据本发明的实施例的第二简化运动树功能;
图4A表示根据本发明的示例性实施例的第一运动树功能;
图4B表示根据本发明的示例性实施例的第二运动树功能;
图5A表示根据本发明的示例性实施例的动态运动训练程序功能;
图5B表示根据本发明的示例性实施例的非动态运动训练程序功能;
图6表示根据本发明的示例性实施例的训练程序功能流程图;
图7表示根据本发明的实施例的在中心位置使用具有存储器和处理器的计算装置分析感知能力数据的方法的框图;
图8表示根据本发明的示例性实施例的用于分析受试者的感知能力数据的方法的框图;及
图9表示根据本发明的示例性实施例的用于分析受试者的感知能力数据的方法的框图。
具体实施方式
在此详细介绍本发明的主题,以满足法定的要求。但是,说明本身并非用于限制本发明的保护范围。更确切地,发明人已预料到本发明所要保护的主题还可以其它方式实施,与其它的现在或未来的技术结合,从而包括与该文件中说明的步骤不同的步骤,或与该文件中说明的步骤相似的步骤的组合。
本发明的实施例涉及用于从远程位置接收数据的系统、方法及计算机存储介质。数据包含与受试者关联的感知能力数据和人口统计学数据。然后可以存储数据。进一步地,方法可以包括识别与受试者关联的潜在评价水平。使用运动树功能至少部分地识别评价水平。方法还可以包括找回与潜在的评价水平关联的对等数据。另外,方法可以包括确定对等数据何时对于生成与受试者关联的感知能力数据的比较概评具有显著统计学意义。
根据本发明的第二方法可以包含识别与受试者关联的第一评价水平。使用运动树功能至少部分地识别评价水平。运动树功能包含基于受试者的一个或多个特征呈现潜在评价水平的分级结构。方法还可以包括找回与第一评价水平关联的对等数据。方法可以进一步包括确定与第一评价水平关联的对等数据对于生成与受试者关联的感知能力数据的比较概评不具有统计学意义。方法还可以包括使用运动树功能识别第二评价水平。第二评价水平在运动树功能的分级结构上较高。方法还可以包括找回与第二评价水平关联的对等数据。方法还可以包括确定与第二评价水平关联的对等数据对于生成与受试者关联的感知能力数据的比较概评具有统计学意义。进一步地,方法可以包括分析与受试者关联的感知数据以生成感知能力评估。方法还可以包括生成感知能力评估。
第三方法可以包含接收受试者的人口统计学数据及存储人口统计学数据。方法还可以包含接收受试者的感知数据;该感知数据在远程位置进行收集。感知数据包含一个或多个感知评价标准。方法还可以包括存储与人口统计学数据关联的感知数据。另外,方法可以包括接收远程信息。远程信息包括与感知数据的收集有关的信息。方法还可以包括存储与感知数据关联的远程信息。进一步地,方法可以包括识别包括有统计学意义的数据的评价水平。对等数据包含多个其它受试者的感知数据。方法还包括分析涉及对等数据的受试者的感知数据的一个或多个感知评价标准,以生成受试者的感知能力的比较概评。方法还可以包括生成受试者的感知能力的评估。方法还可以包括存储与人口统计学数据关联的评估。进一步地,方法可以包括将评估传输到远程位置。方法还可以包括使用训练程序功能为受试者开发感知训练程序。另外,方法可以包括存储与人口统计学数据关联的训练程序。方法还可以包括将感知训练程序传输到远程位置。
本发明允许测试、数据收集和/或训练发生在不同于实施分析或评估及开发训练计划的位置的远程位置。根据本发明,感知能力测试可以发生在一个或多个远程位置,而测试数据的分析和训练计划的开发发生在中心位置。中心位置可以分析数据,并进一步可以具有访问网络,例如因特网的能力,以便从一个或多个远程位置接收数据。另外,能够预期的是远程位置和中心位置可以在物理上彼此非常接近(例如,同一物理单元,同一网络,同一建筑物,同一城市)。相似地,进一步能够预期的是,测试、训练、分析和/或训练计划的开发可以单独地或组合地在远程位置和/或中心位置实现。因此,在一示例性实施例中,所述的功能可以在远程位置和/或中心位置实现。在另一示例性实施例中,远程位置是不同于中心位置的任何可以进行测试的位置(例如,大学运动员可以在他们学校的体育设施上进行测试),且包括实施感知能力测试及访问网络的能力,以便将测试数据传传输给中心位置。
本发明并不限于发生在远程位置和/或中心位置的任一处的特定活动。例如,在本发明的一实施例中,测试、训练、数据收集、分析及训练计划的开发可以发生在一个或多个远程位置。另外,中心位置可以用作能够向一个或多个远程位置提供数据并从一个或多个远程位置收集数据的数据存储库。因此,中心位置便利了发生在一个或多个远程位置的各种活动。在一示例性实施例中,实施各种活动(例如测试、数据收集、训练、分析及训练计划的开发)的运动训练设施(即远程位置),从中心位置访问或接收进一步的信息/数据以完成至少某些活动。例如,中心位置可以提供在分析受试者的感知数据时使用的有统计学意义的数据。在附加的示例性实施例中,本发明在远程位置实施几乎无损私人信息的活动(例如测试、训练和数据收集),同时在中心位置实施希望具有更高水平机密性的活动(例如分析、训练计划的开发、比较概评的开发)。
感知测试采集关于受试者当前感知能力的数据。感知能力可以指受试者的感知能力、知觉能力、认知能力、视觉能力、听觉能力等。施予受试者的具体的测试将根据个人的能力、期望的活动和竞技水平而变化。使用这些测试,可以在评估时确定个人在他的感知能力的不同方面的具体弱项和/或强项。如果具有弱项,可以开发训练程序针对个人的这些弱项对进行训练。例如,如果个人的扫视和周围感知能力较弱,将在评估时分析各种基线测量以确定该弱项。
个人的特定的活动可以在实施的具体的测试中起作用。例如,参与棒球运动的个人将可能使用不同于足球运动员的感知技能,因此,尽管每个人可能都使用某些核心测试,但是这两个人将从不同的感知训练计划中受益,从而可能进行不同的感知测试。
进一步地,个人的竞争水平可能导致测试和训练计划的变更。因此,在测试前可以对个人分配具体的评价水平。例如,如果期望的活动是某一类型的运动,高中运动员可以使用不同的评价水平进行测试,从而接收不同于大学水平运动员的训练程序,大学水平的运动员可以使用不同于职业水平运动员的评价水平进行测试。典型地,个人的评价水平越高,他们可以进行的测试越多。
总体上,从每个受试者收集的数据可以包括人口统计学信息、静态感知数据、动态感知数据,及选择性地,健康数据。人口统计学信息可以包括个人的姓名、性别、主要活动、评价水平等。静态感知数据可以包括,例如,个人的静态视觉灵敏度、对比灵敏度、深度感知等的测量结果。动态感知数据可以包括眼-手协调、动态视觉灵敏度、分离注意力(splitattention)、眼-身协调、动态跟踪等。健康数据的例子可以包括之前检查的数据,性别、体重等。如果已经开始测试,(例如掌管测试的训练者)可以浏览数据,以在将数据传输给中心位置之前核实数据。也就是,数据可以接受明显误差的最初检查,以备更多测试所需。
从测试获取数据后,就可以收集数据。测试数据可以通过各种方法进行收集。作为示例,但并非限制,数据可以以电子格式通过将数据输入电子数据表进行收集。当个人(例如训练者)使用输入装置输入数据时可以间接地进行收集,或者当测试装置自动将数据制成一定格式以传输数据时可以直接地进行收集。在另一实施例中,可以通过在网络上的网络入口输入测试数据收集数据。再者,在使用网络入口的实施例中,可以直接或间接地收集或输入数据。任何类型的计算装置都可以结合本发明的一个或多个实施例使用。示例性的计算装置包括手持装置、消费电子产品、通用计算机、专用计算装置等。
收集数据之后,可以将数据传输到中心位置进行分析。可以使用各种方法将测试数据传输到中心位置。例如,可以以电子方式收集数据,然后以电子方式传输数据。如果,例如已经收集了电子格式的数据,包含测试数据的电子格式可以通过网络用email传输到中心位置。可选择地,当已经在网络入口收集数据时,中心位置可以访问网络入口来找回测试数据。
本发明还可以提供从一个或多个远程位置自动收集测试数据和/或将测试数据从一个或多个远程位置自动传输到中心位置。在这些实施例中,各种测试装置可以具有收集和/或传输测试数据的能力。这样的测试装置的例子包括眼-运动监视器、触摸屏、显示装置、输入装置、角膜分析器等。因此,装置可以检测个人的感知能力的各方面并以具体的格式自动收集测试数据。进一步地,测试装置可以具有直接连接到网络的能力,这使得装置能够在感知能力测试中测定数据,并将数据自动发送到中心位置,以进行分析,而不是先收集数据然后再将其发送到中心位置。
如果个人的感知能力数据已经传输到中心位置,则可以分析该数据。该数据的分析可以用于为受试者制定具体的感知训练计划。这样的分析可以通过管理员在中心位置手动进行,管理员可以接收测试数据、解析数据并基于他们个人的专业知识制定训练计划。可选择地,可以自动进行分析。也就是说,在通过例如计算装置分析数据时,可以自动进行处理。
本发明的实施例可以具体化为:方法、系统,或一组置于一个或多个计算机可读介质中的指令。计算机可读介质包括易失性和非易失性介质、可移除和不可移除介质,及可由数据库、开关及各种其它网络装置读取的预期介质。通过示例的方式,而非限制,计算机可读介质包括以任何方法或技术实施的用于存储信息的介质。存储的信息的示例包括计算机可用指令、数据结构、程序模块及其它数据表现形式。介质的示例包括但不限于信息传输介质,RAM、ROM、EEPROM、闪存存储器或其它存储技术,CD-ROM、数字多功能光盘(DVD)、全息介质或其它光盘存储器、磁盒、磁带、磁盘存储器及其它磁性存储装置。这些技术能够即刻、临时或永久地存储数据。
现在参照附图,图1表示根据本发明的一实施例的感知测试和/或训练系统100。系统100可以包括中心位置102、网络104及远程位置106。尽管图1仅示例了单个的远程位置106,但能够预期的是系统100可以包含两个或更多个远程位置。例如,测试可以发生在第一远程位置,训练可以发生在第二远程位置,评估结果的呈现可以发生在第三远程位置。远程位置可以包含各种组件,虽然每个远程位置不一定必需包含相同的组件。图1中示出的远程位置106仅是一个合适的远程位置的示例,其并非用于暗示对本发明的应用或功能的保护范围的任何限制。
各种组件、位置和装置可以通过网络104彼此连通,网络104可以包括但不限于一个或多个局域网(LAN)和/或广域网(WAN)。在一示例性实施例中,网络104包含有线和无线网络。例如,中心位置102可以使用有线的LAN连接到网络104,而远程位置106可以通过无线连接的方式连接到网络104。这样的网络环境普遍存在于办公室、企业计算机网络、企业内部网和因特网中。
参照图2,其表示根据本发明的一实施例的感知测试和/或训练系统200。系统200包括中心位置202、网络204及远程位置206。示出的单个中心位置202、单个网络204及单个远程位置206并非用于限制本发明的保护范围;相反,示出的系统200的结构仅是示例性的。
中心位置202包含数据接收装置210、计算装置2012、数据存储装置214、评价水平识别装置216、运动树功能218、数据分析装置220、评估生成装置222、训练程序开发装置224、训练程序功能226及评估和训练程序传输装置228。在一示例性实施例中,中心位置202的各种元件和装置中的每一个直接或间接地连接到它们各自的计算装置或共享的计算装置,例如计算装置212。例如,下述将详细说明的数据存储装置214在一示例性实施例中直接连接到计算装置212。在附加的示例性实施例中,数据存储装置214连接到计算装置,这在图2中未示出。其中该计算装置用作数据存储的控制器,以便于访问、在存储装置214中写入数据及从存储装置214读取数据。
数据接收装置210是接收数据的装置,其便于将数据传输到中心位置202和从中心位置202传出。在一示例性实施例中,数据接收装置210负责接收从远程位置206传出的数据。在另一附加的实施例中,数据接收装置210可以用于接收和请求来自远程位置存储装置的数据,其包括可用于开发训练程序和/或生成评价的数据。数据接收装置210可以使用网络204支持的协议进行通信来发挥功能。例如,网络204可以至少部分地使用网络协议(IP)以便于将数据传输到中心位置202并从中心位置202传出。因此,在该示例性实施例中,数据接收装置可用于接收兼容IP的数据。
计算装置212是包括处理器的计算装置。在一示例性实施例中,计算装置212包含处理器和存储器。例如,计算装置212可以包括一个或多个存储计算机可执行指令以用于实施一种或多种方法的计算机可读介质。在一示例性实施例中,计算机装置212控制与中心位置202关联的一个或多个功能。例如,计算装置212可以控制数据接收装置210,以便于从远程位置206接收数据。进一步地,计算装置212可以提供一个或多个允许使用者或受试者操控中心位置202的各种功能、组件和/或装置的用户界面。在另一附加的实施例中,计算装置212可用于呈现评估和/或训练程序。例如,计算装置212可以进一步地包含显示器、打印机或其它允许受试者浏览、收听或以其他方式接收要被呈现的内容的呈现外围装置。
数据存储装置214用于数据的存储装置。在一示例性实施例中,数据存储装置214包含计算机可读介质。例如,数据存储装置可以包含一个或多个包括一个或多个硬盘以允许存储和找回数据的数据服务器。数据存储装置214可以存储与一个或多个在远程位置206参与测试和/或训练的受试者关联的数据。例如,受试者、管理者或其它参与者可能希望将在远程位置206收集的数据存储到控制的位置,例如中心位置202,以对数据提供附加水平的机密性和/或备份。因此,在一示例性实施例中,数据存储装置214负责存储用于中心位置202和/或远程位置206的一部分或全部数据。
数据存储装置214可以存储人口统计学数据、感知数据及远程位置信息。如前所述,人口统计学数据是可以说明受试者的一个或多个特征的数据。例如,人口统计学数据可以包括但不限于受试者的年龄、性别、种族、身高、体重和与确定评价水平(例如运动、运动级别、位置级别、位置)关联的信息。如前所述,感知数据可以包括与对受试者或由受试者执行的一个或多个技能测试关联的收集的数据结果。例如,受试者可以参与静态视觉灵敏度技能测试,其提供的结果包括到与受试者关联的感知数据。远程位置信息包括与感知数据的收集关联的信息。例如,远程位置206的唯一标识符(例如,IP地址、序列号、账号、物理位置信息)可以包含远程位置信息。可以包括于远程位置信息中的附加信息包括时间和数据信息、测试中心信息、训练中心信息、测试/训练管理者信息等。
评价水平识别装置216是用于识别与受试者关联的评价水平的装置。例如,当分析受试者的感知能力时,可能需要的是使用合适的对等组。识别合适的对等组的一个方法是识别合适的评价水平,其仅包含必需具有有统计学意义的对等数据的对等者以用于分析。例如,如果受试者是职业的游击手棒球运动员,受试者的感知能力分析应当相对于其他职业棒球运动员进行,而不是与中学足球运动员进行比较。在一示例性实施例中,为了识别合适的评价水平,使用运动树功能218。
参照图3A,其表示根据本发明的一实施例的第一简化运动树功能300。运动树功能300仅是示例性的运动树,并非用于限制本发明的保护范围。应理解到的是,可以删除、增加或通过可选择的术语援引运动树功能300的一个或多个要素。运动树功能300包含下述水平,运动级别302、运动304、竞技水平306、位置级别308及位置310。
从每层呈现的范围的宽度来看,运动树功能300是可以视为倒置的金字塔的分级结构。换种说法,越精细的水平在运动树功能300的位置越低。例如,运动级别302可以包括“传球和踢球”的分类,其包含运动水平304的足球、橄榄球及英式足球。因此,在示例性运动树功能300中足球和英式足球属于相同的运动级别302。这样,更精细的水平是通过将运动树功能300从运动级别302向下移动到具体的运动304实现的。在图4中更详细地说明了运动树功能300的每一个水平。
参照图3B,其表示根据本发明的一示例性实施例的第二简化运动树功能320。运动树功能320包含竞技水平322、运动级别324、运动水平326及位置水平328。与前述的参照图3A所述的运动树300相似,运动树功能320可以包括未示出的附加水平。例如,位置级别水平并未作为运动树功能320的一部分示出,但是能够预期的是,在本发明的示例性实施例中可以加入附加的水平。另外,能够预期的是,运动树功能320的一个或多个水平可以从示出的示例性顺序中删除或重新排列。这样,运动树功能320仅是示例性的运动树功能,并未用于限制本发明的保护范围。
竞技水平322可以包括任何数目的竞技水平的分类。例如,竞技水平可以分类为如图4A所示的小学、中学、高中、大学及职业。进一步地,竞技水平还可以或选择性地分类为如以下参照图4B所述的青年、大学、半职业及职业。另外,竞技水平可以分类为竞技范围的任何组合。这样,竞技水平322可以包括实现预期结果所需要的任何水平的间隔尺度。例如,可以仅使用一个竞技水平,或可以使用更高水平的间隔尺度来提供更大的分类。
运动级别324可以与上述参照图3A所述的运动级别302的概念类似。在一示例性实施例中,如参照图4B详细说明的,运动级别324包括动态小目标分类,动态大目标分类,非动态目标分类,及动态非目标分类。运动水平326可以与前述的参照图3A所述的运动304的概念类似。在一示例性实施例中,运动水平326是识别与使用者关联的具体运动的运动树功能320的分级水平。例如,运动水平326可以至少包括曲棍球、棒球、篮球、足球、排球、高尔夫、射击、拳击、滑雪及啦啦队。运动树320的位置水平可以与前述的参照图3A所述的位置水平310的概念类似。例如,位置水平328可以包括运动水平326的一个或多个运动的一个或多个具体位置。能够预期的是,并非运动水平326的所有运动在位置水平328都具有关联的位置。
参照图4A,其表示根据本发明的一示例性实施例的第一运动树功能400。运动树功能400包括与图3A的运动树功能300的水平类似的多个水平。水平包括运动级别水平402、运动水平404、竞技水平406、位置级别水平408及位置水平410。
运动级别水平402是包括可以基于活动、条件、装备和/或要求的类似性而关联的一个或多个运动级别的运动的水平。例如,运动级别402的多个非限制性的运动级别包括“击球和捕球”级别、“传球和踢球”级别420、及“近距离接触”级别。因此,在该实施例中,至少部分地基于与在运动水平404中识别的潜在运动关联的活动和条件的相似性而制定级别。
例如,在运动级别水平402,传球和踢球级别420包括运动404水平的足球运动418、橄榄球运动及英式足球运动。因此,传球和踢球级别420是足球418、橄榄球和英式足球的每一个的更宽泛的分类。沿着运动树功能400的分级树继续向下,足球418包括下述的示例性竞技水平406,小学、中学、高中416、大学和职业。在一示例性实施例中,运动级别404的每个运动包括适合具体运动的竞技水平。例如,如果附加的竞技水平,如小联盟、俱乐部队或类似的团队共同与特定的运动关联,则这些竞技水平可以补充和/或替代竞技水平406的一个或多个水平。
沿运动树功能400的分级结构继续向下,位置级别水平408包括用于具体运动的每一竞技水平的一个或多个分类。例如,位置级别水平408包括进攻位置级别414和防守位置级别。因此,为了进一步地细分评价水平,有利的是将来自具体位置级别的运动员关联到一起。例如,足球队的进攻位置级别414运动员可以应用不用于防守位置级别足球运动员的感知能力。因此,可能有利的是防守运动员与另一防守运动员进行比较,而非与足球运动员总体进行比较。与前述类似,竞技级别水平406的每个竞技级别可以包括在位置级别水平408裁量过的位置级别。例如,中学棒球可以包括用于外场、内场及击球的位置级别。职业棒球可以包括左内场(例如第三垒位、游击手)、击打内场(例如第二垒位、第一垒位)、外场等。即使它们都被分类为棒球运动,每一竞技水平可能需要更大的间隔尺度,以实现理想的分析。沿运动树功能400的分级结构继续向下,位置水平410包括用于具体位置级别的一个或多个位置。例如,在高中足球的进攻位置可以包括攻击后卫、中锋、四分卫412及外接手。位置水平410是位置级别的更精细的间隔尺度水平。
运动树功能400仅是示例性地示出运动树功能,并非是对本发明的保护范围的限制。在该示例性实施例中已经明确地识别了具体的运动级别、运动、竞技水平、位置级别及运动。但是,另外的实施例也是能够预期的。例如,可以从运动树中删除一个或多个水平。另外,一个或多个水平可以包括到运动树功能中,以提供更大程度的间隔尺度控制。因此,运动树功能400提供了运动树功能的示例性的非限制性的实施例。
在示例性实施例中,使用运动树功能400识别受试者的评价水平。在一实施例中,根据与分配的评价水平关联的数据的质量,可能需要不止一个评价水平。例如,如果在具体的评价水平中不能使用有统计学意义的对等数据,可以使用更宽泛的评价水平,以包括附加的对等数据,从而使得累加的对等数据获得有统计学意义的水平。有统计学意义的数据是允许完成实现预定置信水平的评估的数据。在一示例性实施例中,在对等数据被认为具有有统计学意义之前需要具体数目的数据点(例如,与对等受试者关联的数据)。例如,在对等数据被认为具有统计学意义之前可能需要30个数据点。因此,换个说法,当实现和/或超过预先确定的样本大小阈值时,对等数据被认为具有有统计学意义。
当对等数据被确定为不具有有统计学意义时,增加评价水平(即使得范围更宽泛)以合并附加的对等数据。例如,最初被识别为具有与四分卫412关联的评价水平的受试者是因为该受试者是在高中队担任进攻且是四分卫的足球运动员。但是,如果与四分卫412评价水平关联的对等数据不具有统计学意义,则可以用与进攻414关联的评价水平识别受试者。在该实施例中,与进攻414关联的更宽泛的评价水平可以合并高中足球后卫、中锋及外接手的附加对等数据。随着对等数据的潜在增加,可以实现用于评估受试者的感知数据的有统计学意义的对等数据库。
可以将人口统计学数据和运动树功能结合以识别受试者的评价水平。例如,可以访问可以用作运动树功能的输入的与受试者关联的人口统计学数据以识别受试者的运动级别、运动、竞技水平、位置级别或位置。可以使用的附加信息包括受试者的主视眼、手或能够用于提供评价水平的更精细划分的其它因素。
参照图4B,其表示根据本发明的示例性实施例的第二运动树功能450。运动树功能450包括多个与图3B的运动树功能320的水平类似的多个水平。水平包括竞技水平452、运动级别454、运动水平456及位置水平458。运动树450在概念上可以与参照图4A的运动树所述的特征类似。
运动树功能450仅是运动树功能的示例性说明,并非对本发明的保护范围的限制。在该示例性实施例中已经明确地识别具体的竞技水平、运动级别、运动及位置。但是,另外的实施例也是能够预期的。例如,可以从运动树中删除一个或多个水平。另外,一个或多个水平可以包括到运动树功能中以提供更大程度的间隔尺度控制。例如,位置级别水平可以插入运动水平456和位置水平458之间。因此,运动树功能450提供了运动树功能的示例性的非限制性的实施例。
竞技水平452包括识别待评价的具体使用者所处的竞技水平的多个分类。在示例性实施例中,在与使用者竞技所处的竞技水平相当的竞技水平评价使用者。例如,高中棒球运动员可以被分类到青年竞技水平。但是,在另外的实施例中,高中棒球运动员可能需要相对于大学或职业竞技水平分类进行评价并随后进行测试和/或训练。因此,用于具体使用者的竞技水平可以因多种情况而变化。例如,为了测试目的,可以在使用者竞技所在的水平建立使用者的竞技水平,但是为了训练目的,可以在更高的水平(例如更具竞争性)建立使用者的竞技水平。竞技水平452分类的示例包括青年、大学、半职业及职业。能够理解到的是,如参照图3B所述,可以增加一个或多个附加的种类,以增加间隔尺度或与运动树功能450关联的具体水平。相似地,可以删除一个或多个分类,以减少与运动树功能450关联的具体水平。
运动级别454是各种运动的分类。在一示例性实施例中,运动级别454在概念上与上述参照图4A所述的运动树类似。如图所示,运动级别454包括动态小目标分类460、动态大目标分类462、非动态目标分类464及动态非目标分类466。在一示例性实施例中,运动级别454包括基于靶目标特征进行的分类。例如,运动动态小目标分类460可以包括使用感知体积相当于或稍小于垒球的目标的所有运动。这样的示例包括羽毛球、棒球、板球、手球、曲棍球、长曲棍球、短柄墙球、垒球、乒乓球及网球。动态大目标分类462可以包括使用感知体积比垒球更大的目标的所有运动。这样的示例包括篮球、美式足球、全球足球(例如英式足球)、橄榄球、排球及水球。非动态目标分类464可以包括使用目标的运动,但是该目标在使用者的关注点中不是动态的。这样的示例可以包括高尔夫、箭术及两项竞赛射击。动态非目标分类466可以包括需要动态感知技能的运动,但是该运动缺少集中的具体靶目标。这样的示例可以包括拳击、啦啦队、骑车、跳舞、潜水、剑术、花样滑冰、体操、武术、划船、跑步、溜冰、滑雪、滑板滑雪、游泳、田径、三项全能及摔跤。
在一示例性实施例中,具体的运动可以与不止一个运动级别关联。例如,美式足球可以同时与动态大目标分类462和动态非目标分类466关联。在该实施例中,美式足球468可以包括需要不同感知技能的多个位置。其主要目的是与足球打交道(例如持球、捡球)的运动员可以与动态大目标分类462关联。其主要目的是与另外的运动员(例如巡边员)互动的美式足球470运动员可以与动态非目标分类466关联。因此,能够预期的是,具体的运动并不限于具体的运动级别。
运动分类456是运动的分类。在一示例性实施例中,运动分类456在概念上与上述参照图4A所述的运动分类404类似。位置分类458是与具体的运动关联的具体位置的分类。在一示例性实施例中,位置级别458在概念上与上述参照图4A的位置410类似。
在另一附加的示例性实施例中,运动员、训练教练、招聘专员等可以选择进行数据比较的评价水平。例如,高中棒球运动员可以选择与职业棒球关联的评价水平。在该实施例中,如果使用与图4B的运动树450类似的运动树来识别要进行数据比较的对等组,则高中棒球运动员可以在相似的竞技水平与其它动态小目标运动进行比较,而非与更高的竞技水平的棒球运动员进行比较。因此,在一实施例中,对高中棒球运动员来说选择不同于运动树功能提供的评价水平的评价水平是有利的。应理解到的是,在示例性实施例中,可以选择任何的评价水平与感知数据进行比较。例如,大学非动态目标运动的感知数据可以与职业或青年竞技水平动态大目标评价组进行比较。因此,尽管提供了运动树功能来识别评价水平,评价水平的手动或半手动选择也是可以预期的。
参照图2,评价水平识别装置216可以使用运动树功能218来识别与受试者关联的一个或多个评价水平。在一示例性实施例中,评价水平识别装置216确定与具体的评价水平关联的对等数据是否具有有统计学意义。如果确定对等数据不具有有统计学意义,则评价水平识别装置216可以识别与受试者关联的另一评价水平。运动树功能218可以包括单独应用或组合应用以识别用于受试者的评价水平的多种功能。
数据分析装置220分析数据。在一示例性实施例中,数据分析装置220相对于对等感知数据分析受试者的感知数据。例如,受试者的感知数据可以包括用于受试者的对比灵敏度的技能测试结果。然后连同对等数据分析受试者的对比灵敏度,以识别受试者相对于对等数据的百分等级。因此,受试者的对比灵敏度可以在数量上与一组相似受试者对比。
评估生成装置222生成评估。在本发明的一实施例中,评估是比较概评。类似地,在一实施例中,比较概评是评估的示例。因此,评估生成装置222可以生成比较概评供训练程序开发装置224使用。在一示例性实施例中,评估生成装置生成受试者的分析感知数据的评估。例如,可以生成描绘受试者的各种技能测试的百分等级的图表输出,以便于理解受试者的感知能力。具体地,这样的评估可以通过对等数据的相关比较对受试者的感知能力结果提供背景比照。
训练程序开发装置224开发训练程序。在一示例性实施例中,训练程序开发装置应用评估生成装置222生成的评估和数据分析装置220的数据分析开发训练程序供受试者使用。训练程序是可以通过训练改善和/或提高受试者的感知能力的程序。例如,敏感度、耐受力、变换、敏捷度、感知、协调、定时及平衡是可以通过训练改善的感知活动的示例。因此,感知训练程序可以识别一个或多个能够从训练中获益的与感知相关的活动。
在一示例性实施例中,训练程序生成装置224使用训练程序功能226来开发训练程序。训练程序功能226是一个或多个可以用于识别目标在于训练的感知技能的功能。
例如,参照图5A,其表示根据本发明的示例性实施例的动态运动训练程序功能500。动态运动训练程序功能500包括序列栏502、技能测试栏504、第一百分值范围506栏、第二百分值范围508栏、第三百分值范围510栏及第四百分值范围512栏。进一步地,动态运动训练程序功能500包括与第一级别522关联的技能测试,及与第二级别524关联的技能测试。对于已经被分类为与动态运动关联的使用者,可以实施动态运动训练功能500。例如,参照图4B的运动树功能450,动态运动可以包括那些与动态小目标分类460、动态大目标分类462及动态非目标分类466(例如曲棍球、棒球、网球、篮球、美式足球、全球足球、拳击及滑雪)关联的运动。动态运动训练程序功能500可以包括一个或多个可以不包括非动态运动训练程序功能的技能测试,这将参照图5B进行说明。
顺序栏502排列技能测试的顺序。在该实施例中,示例性的动态运动训练程序功能500包括15个技能测试。技能测试栏504包括技能测试1-514、技能测试8-516、技能测试9-518、及技能测试15-520。在该示例中,技能测试1-514及技能测试8-516与第一级别522关联。进一步地,在该示例中,技能测试9-518与技能测试15-520与第二级别关联。四个百分值范围和两个级别的结果是生成8个部分。第一部分526包含由级别522和百分值范围506定义的区域。第二部分528包含由级别522和百分值范围508定义的区域。第三部分530包含由级别524和百分值范围506定义的区域。第四部分532包含由级别524和百分值范围508定义的区域。第五部分534包含由级别522和百分值范围510定义的区域。第六部分536包含由级别524和百分值范围510定义的区域。第七部分538包含由级别522和百分值范围512定义的区域。第八部分540包含由级别524和百分值范围512定义的区域。尽管动态运动训练程序功能500仅包括两个级别和四个百分值范围时,但能够预期的是还可以使用另外的或更少的级别和/或百分值范围,从而便于生成训练程序。例如,当确定在训练程序中包括技能训练时,可以使用附加的百分值范围以提供更高水平的控制。另外,能够预期的是任何数目的技能测试都可以与第一级别522和/或第二级别524关联。因此,尽管图5A中示出一定数目的技能测试,但是能够预期各种变化。
在一示例性实施例中,第一百分值范围506包括相对于选择的对等数据组在大约1%至24%范围的技能测试。在另一示例性示例中,第二百分值范围508包括在大约25%至49%范围的技能测试。在一示例性实施例中,第三百分值范围510包括在大约50%至74%范围的技能测试。在一示例性实施例中,第四百分值范围512包括在大约75%至99%范围的技能测试。
在另一附加的示例性实施例中,第一级别522可以包括下述的技能测试:静态视觉灵敏度、对比灵敏度、动态视觉灵敏度、视觉忍耐力、近动态变换、近-远敏捷度、注视差异及深度感知。示例性的实施例以上述提供的顺序设置技能测试。例如,技能测试1-514是静态视觉灵敏度技能测试,技能测试8-516是深度感知技能测试。但是,应理解到的是,第一级别522的技能测试的范围和顺序并不限于此处所述。在一示例性的实施例中,第二级别524可以包括下述的以下列顺序排列的技能测试:速度/广度感知、反应时间、眼-手协调、走停、分离注意力、时机预计及视觉平衡。第二级别524并不限于本申请中识别的技能测试的范围。
如前所述,基于受试者、评价水平及其它因素,可以对受试者使用附加的、不同的、或更少的技能测试。例如,中学垒球运动员可以不使用与职业足球运动员相同的技能测试进行测试或训练。这可以是针对每个受试者的不同评价水平(例如运动级别、运动、竞技水平、位置级别、位置)的一个因素。
可以将附加的因素实施到训练程序功能中。例如,具有至少一个来自具体级别的训练技能测试可能是必要的。具体地,示例性的实施例保证了训练程序包括至少一个来自第二级别(例如第二级别524)的技能测试。因此,根据训练程序算法,如果规定训练程序包括一定数目的技能测试,则来自第二级别的技能测试代替来自第一级别的技能测试。这在满足具有至少一个来自第二级别的技能测试的标准的同时维持了规定数目的技能测试。能够预期的是,训练程序可以包括附加的技能测试,以满足条件。进一步地,能够预期的是,训练程序的条件可以包括要求一定的百分值范围中的技能测试具有包括到训练程序中的优先权。
参照图5B,其表示根据本发明的一示例性实施例的非动态运动训练程序功能550。在一示例性实施中,非动态运动训练程序功能550在概念上可以与上述图5A所述的动态运动训练程序功能500类似。但是,在一示例性实施例中,可以包括到动态运动训练程序功能50中的一个或多个技能训练可以不包括到非动动态运动训练程序功能550中。例如,第一级别552可以包括指向静态感知测试的技能测试,第二级别554可以包括指向动态感知测试的技能测试。在一示例性实施例中,走停技能测试和反应时间技能测试可以不包括在非动态运动训练程序功能550中。进一步地,能够预期的是,一个或多个技能测试的排序可以从动态运动程序的顺序偏离到非动态训练程序。例如,尽管图5A的第一级别522和第二级别524可以被分类为非动态(例如静态)和动态技能测试,第一级别552和第二级别554也可以使用不同的分类或根本没有具体的分类。因此,尽管可以基于分类示出第一级别和第二级别之间的分界,但能够预期的是,分类并非用于定义用于一个或多个级别的技能测试。
在一示例性实施例中,与非动态运动,例如前述参照图4B所述的非动态目标分类464,关联的使用者,可以从非动态运动训练程序功能550中受益。例如,由于一个或多个动态技能测试可以不对设定的使用者实施,可以开发不同的运动训练程序功能来开发运动训练程序。能够预期的是,可以根据测试和/或训练装置、装备及对具体使用者可用的程序使用不同的运动训练程序功能。例如,当使用具体的运动训练程序功能时,具体的训练机构不一定具有或允许规定的所有感知测试活动。因此,可以实施可选的运动训练程序功能,使得运动训练程序可以包括可用的装备、装置、技术等。
参照图6,其表示根据本发明的一示例性实施例的训练程序功能600流程图。在框602,识别用于多个技能测试的每一个的百分等级。例如,如果与受试者关联的感知数据包括受试者的对比灵敏度结果,则相对于有统计学意义的对等数据分析时,能够识别的是受试者具有在20-30%范围的对比灵敏度结果。因此,这表示包括到受试者的评价水平中的77%的对等受试者具有更好的对比灵敏度结果。可以对要由训练程序功能600评价的所有技能测试继续进行百分等级的识别。
在框604,在第一百分值范围识别技能测试(即一个或多个技能测试)。例如,如果第一百分值范围包括那些相对于对等数据其等级从1%至24%的技能测试,则在框602用百分等级识别的在第一百分值范围的那些技能测试被识别为包括在第一百分值范围内。使用上述的示例,被识别为在23%等级的受试者的对比灵敏度可以被识别为包括在第一百分值范围内,这是因为它在1%-24%的范围内。为了进一步地说明这一点,在该实施例中,对比灵敏度将包括在图5A的百分值范围506中。
在框606,在第二百分值范围识别技能测试。例如,第二百分值范围可以包括相对于对等数据等级从25%到49%的技能测试。因此,前述识别的具有在第二百分值范围的技能测试现在识别为包括在第二百分值范围中。这有效地将各种技能测试分类到它们的合适的百分值范围内。在框608,在第三百分值范围识别技能测试。例如,第三百分值范围可以包括相对于对等数据等级从50%到74%的技能测试。在框610,在第四百分值等级识别技能测试。例如,第四百分值范围可以包括相对于对等数据等级从75%到99%的技能测试。这样,技能测试与合适的百分值范围关联。如前所述,能够预期的是,可以使用附加的百分值范围,以便调整具体的水平,从中开发训练程序。另外,在示例性的实施例中,将一个或多个百分值范围视作一个整体时,其包括所有可能的技能测试的所有可能的百分等级。进一步地,尽管在示例性实施例中将所述的百分等级作为分类方法的结果,能够预期的是,也可以使用附加的测试以对一个或多个技能测试结果进行分类和分组。例如,可以使用技能测试的原始数据得分而非依靠百分值调整。
训练程序功能600在框612继续。在框612,选择来自第一百分值范围和第一级别的技能测试。例如,选择在图5A的第一部分526分类的技能测试。因此,在示例性实施例中,选择分类为第一级别且识别为包括在第一百分值范围中的技能测试,以包括到训练程序中。在示例性实施例中,根据关联的技能测试顺序(例如根据关联的顺序栏、例如图5A的顺序栏502的顺序)以降序的方式选择满足条件(例如级别、百分值范围)的技能测试。进一步地,附加的示例性实施例包括基于预先确定数目的限制选择的技能测试的数目。例如,选择的技能测试的数目可以限于4个技能测试、6个技能测试、8个技能测试等。在技能测试的数目限于预先确定的数目的实施例中,选择的顺序可以改变最终的训练计划。在另一实施例中,从一个或多个级别选择的预先确定的测试的数目可以是限制的或需要的。例如,在一示例性实施例中,可能需要来自第二级别的至少一个技能测试。本发明所述的技能测试的选择代表了通过选择的技能测试测定的一个或多个感知能力的选择。因此,在一示例性实施例中,称为对比灵敏度的技能测试的选择表示已经选择了受试者的对比灵敏度(例如具体的感知能力)要进行训练,并非表示已经选择具体的技能测试。在一实施例中,可以使用已经选择的对比灵敏度训练对比灵敏度,或者可以使用附加的活动(例如测试)来训练受试者的对比灵敏度感知能力。例如,如果具体的技能测试对于测试受试者的具体感知能力有效而非对于训练有效,则选择的技能测试可能不是最终用于训练关联的感知能力的技能测试。
训练程序功能600在框614继续。在框614,确定是否已经选择预先确定数目的技能测试。例如,训练程序功能可以限于从所有潜在范围和级别组合中选择总共四个技能测试。因此,执行确定,以确定是否已经选择了预先确定数目的可选择的技能测试。在该实施例中,如果已经选择了预先确定数目的技能测试,则训练程序功能进入框642。结果是,附加的技能测试不是从级别和百分值范围的一个或多个组合中选择的。
但是,如果在框614确定了尚未选择出预先确定数目的技能测试(例如包括在第一百分值范围和第一级别中的技能测试的数目少于预先确定的数目),则训练程序功能进入到框616。在框616,选择来自第二百分值范围和第一级别的技能测试。例如,在示例性实施例中可以选择位于图5A的第二部分528内的技能测试,因为图5A的第二部分528由第一级别和第二百分值范围所限定的区域组成。当在框616示出选择后,训练程序功能600进入到框618。
框618包括确定是否已经累加选择了预先确定数目的技能测试。例如,如果预先确定的数目再一次是四个技能测试,并且之前在框612选择了三个技能测试,并且在框616选择了一个附加的技能,则选择的技能测试的累加数目等于预先确定的数目。如果在框618确定已经选择了预先确定数目的技能测试,则训练程序功能600进入到框642。在一可选择的方式中,如果不能确定选择的技能测试的数目未累加地等于或超过预先确定数目,则训练程序功能进入框620。
在一示例性实施例中,用给定的百分值范围和级别识别的及因此潜在地选择的技能测试的数目可以超过预先确定的数目。因此,技能测试可以在被设置的顺序中(例如基于图5A的顺序栏502)选择。例如,如果图5A的技能测试1-514和技能测试8-516均用第二部分528来识别,并且仅需要一个技能测试与技能测试的预先确定的累加数目相等,则基于它们相对于彼此的顺序,选择技能测试1-514而不选择技能测试8-516。因此,在一示例性实施例中,技能测试的每个选择后,确定选择的技能测试的数目是否超过预先确定的数目。
在框620,从第一百分值范围选择第二级别的技能测试。例如,可以在框620选择在图5A的第三部分530识别的技能测试。在框622,执行确定,以确定选择的技能测试的累加数目是否等于或超过要选择的技能测试的预先确定的数目。在框622的确定可以与前述的参照框618的确定类似。当尚未选择预先确定数目的技能测试时,训练程序功能600进入框624。在框624,选择用第二百分值范围识别的和第二级别的技能测试。例如,可以在框624选择用图5A的第四部分532识别的技能测试。在框626,执行确定,以确定选择的技能测试的累加数目是否等于或超过要选择的技能测试的预先确定的数目。在框628,从第三百分值范围和第一级别中选择技能测试。例如,可以在框628选择用图5A的第五部分534识别的技能测试。在框630,执行确定,以确定选择的技能测试的累加数目是否等于或超过要选择的技能测试的预先确定的数目。在框632,从第三百分值范围和第二级别选择技能测试。例如,在框632可以选择用图5A的第六部分536识别的技能测试。在框634,执行确定,以确定选择的技能测试的累加数目是否等于或超过要选择的技能测试的预先确定的数目。在框636,选择来自第四百分值范围和第一级别的技能测试。例如,可以在框636选择用图5A的第七部分538识别的技能测试。在框638,执行确定,以确定选择的技能测试的累加数目是否等于或超过要选择的技能测试的预先确定的数目。在框640,选择来自第四百分值范围和第二级别的技能测试。例如,可以在框640选择用图5A的第八部分540识别的技能测试。
在框642,使用一个或多个选择的技能开发感知训练程序。例如,如果通过感知训练功能600已经选择了四个感知技能,例如静态视觉灵敏度、对比灵敏度、视觉忍耐力和时机预计,则生成包括指向与选择的技能测试关联的训练感知技能的活动的感知训练程序。因此,在一示例性实施例中,训练程序可以规定静态视觉灵敏度训练练习、对比灵敏度训练练习、视觉忍耐力训练及时机预计训练练习。在另一附加的示例性实施例中,还可以将对从业者(例如验光师)的推荐作为感知训练程序开发的一部分。例如,如果受试者的视觉灵敏度低于预定阈值,由于一个或多个感知能力的结果降到一个或多个阈值之下,甚至可能不能向受试者提供完整的感知训练程序。在该示例中,可以向受试者推荐从业者,以在有资格进行感知训练程序之前纠正一个或多个缺陷。在一示例性实施例中,训练练习包括与选择的感知技能测试类似的特征。可选择地,训练练习可以有意识地避免包括感知测试的特征,以防止受试者学习测试而不训练具体的感知能力。
参照图2,具体地参照远程位置206。远程位置206包含测试装置230、数据传输装置232、数据收集装置234、评估呈现装置236及感知训练程序呈现装置238。
测试装置230可以包括任何能够测试或测定感知能力的装置。测试执行者可以收集通过测试装置230提供的电子格式的测试数据,并且可以将收集的测试数据存储到远程位置206、中心位置202,或者与网络204连通的可选择的位置上的计算装置中。然后,数据传输装置232可以根据数据的格式通过任何合适的方法将测试数据传输到中心位置202。数据传输装置232可以是任何能够传输数据的装置,例如调制解调器、网卡等。
测试装置230可以生成从施予受试者的感知能力测试或任何其它的感知能力测定中形成的数据。在该示例中,数据收集装置234可以收集通过测试装置230提供的数据。作为示例而非限制地,数据收集装置234可以是包括固态存储器、硬盘、闪存等的任何装置。进一步地,如上所述,数据收集装置234可以直接或间接收集来自测试装置230的数据。也就是,个人可以将来自测试装置230的数据直接输入数据收集装置234。可选择地,装置可以共同工作以直接收集数据。
评估呈现装置236是用于呈现评估的装置。例如,评估呈现装置236可以包括用于视觉地呈现评估的显示装置。在示例性实施例中,评估呈现装置包含能够输出由评估生成装置222生成的评估的屏幕。在进一步的示例中,评估呈现装置236提供附加的或可选择的呈现评估的方法。例如,印刷能力、声控输出、电子呈现(例如,用于移动装置或互联网功能装置的格式化呈现)。相似地,感知训练程序呈现装置238是能够呈现感知训练程序的装置。在一示例性实施例中,感知训练程序呈现装置238呈现由训练程序开发装置224开发的且由评估和训练程序传输装置228传输的感知训练程序。
参照图7,其表示根据本发明的实施例的在使用具有存储器和处理器的计算装置的中心位置分析感知能力数据的方法700。在步骤702,从远程位置接收数据。例如,可以从远程位置将感知数据、人口统计学数据和远程位置数据传输到对这些数据进行接收、存储和分析的中心位置。在一示例性实施例中,数据从远程位置“推入(push)”。当接收实体、例如中心位置尚未请求数据时即推入数据。在一可选择的示例中,数据从远程位置“拉入(pull)”。当指定的接受者请求数据时,可以拉入数据。另外,可以通过结合推入和拉入来接收数据。例如,远程位置可以推入数据能够从远程中心拉入的指示。
在步骤704,存储接收的数据。在一示例性实施例中,将数据存储到一个或多个计算机可读介质中,例如数据存储器。进一步地,接收的数据可以分为多个数据类型。例如,如果数据包含感知数据、人口统计学数据和远程信息中的两个或更多个,则这些类型的数据中的每一种可以被存储到由数据结构定义的具体的位置。另外,如果数据被定义的数据结构分离,可以使用关联或关键码(例如第一关键码和第二关键码)来定义这些分离的数据的关联。关联可以便于后续的分析和找回。如前所述,数据可以存储到直接连接到中心位置的、间接与中心位置连接(例如通过网络连接的方式连接)的、或这两种方式组合的数据存储装置中。
在步骤706,潜在的评价水平被识别为与受试者关联。在一示例性实施例中,接收的数据与具体的测试受试者关联,数据用于识别关联的评价水平。例如,受试者的人口统计学数据可以用于与运动树功能结合,以识别潜在的评价水平。因为与潜在的评价水平关联的对等数据尚未被认证为具有有统计学意义,所以识别的评价水平可以称为潜在的评价水平。因此,尽管评价水平可以首先被识别,由于预先确定的有统计学意义的要求,可以修改评价水平,以达到要求的有统计学意义的水平。在一示例性实施例中,评价水平优选为在最精细的水平(例如在示例的运动树的位置水平),但是在该水平的对等数据被确定为不具有有统计学意义时,可以将评价水平修改为可以包括有统计学意义数据的更宽泛的水平(例如在示例性的运动树的位置级别水平)。
在框708,找回与潜在的评价水平关联的对等数据。例如,中心位置的计算装置可以从数据存储器中找回与潜在的评价水平关联的对等数据。在一示例性实施例中,多个受试者的数据存储在数据分析装置可以访问的数据存储器中。受试者的数据可以包括与每个受试者关联的感知数据和人口统计学数据。结果,受试者的数据用作可以对接收的数据进行分析的对等数据库。在提供有价值的分析的努力中,将对等数据库限制为仅与相似的评价水平关联是有益的。
在步骤710,进行确定,以确定对等数据何时对于生成与受试者关联的感知能力数据的比较概评具有统计学意义。在一示例性实施例中,通过数据分析装置进行确定。例如,数据分析装置可以分析对等数据,以确定对等数据是否满足预先确定的有统计学意义的条件。如前所述,当满足条件时数据被确定为具有有统计学意义。例如,在数据被确定为有统计学意义之前可能需要预定数目的数据点。在数据被认为具有有统计学意义之前可能需要实现具体的统计值(例如p-值)。在一示例性实施例中,有统计学意义被确定为保持与任何形成评估和感知训练程序关联的质量水平。
参照图8,其表示根据本发明的一示例性实施例的用于分析受试者的感知能力数据的方法800。在步骤802,识别与受试者关联的第一评价水平。如前所述,可以通过评价水平识别装置使用运动树功能来识别评价水平。例如,受试者的人口统计学数据可以用于结合运动树功能来识别共享共用评价水平的对等组。
在步骤804,找回与第一评价水平关联的对等数据。例如,如果第一评价水平被识别为包括高中足球四分卫,则找回其它高中足球四分卫的数据。在一示例性实施例中,从包括用于找回和识别与相似的评价水平关联的数据的关系数据库的数据存储器中找回数据。在步骤806,确定与第一评价水平关联的对等数据不具有有统计学意义。例如,数据分析装置可以分析对等数据,并确定尚未满足预先确定的有统计学意义的条件。
在步骤808,识别在运动树功能的分等级结构上较高的第二评价水平。例如,如果第一评价水平包括具体的位置,第二评价水平可以拓宽到仅包括位置级别。因此,在示例性的运动树功能中第二评价水平较高。再次,在一示例性实施例中,可以通过评价水平识别装置使用运动树功能来确定第二评价水平。
在步骤810,找回与第二评价水平关联的对等数据。与步骤804相似,可以从通过一个或多个计算装置能够访问的数据库中找回数据。在步骤812,确定与第二评价水平关联的对等数据具有有统计学意义。例如,在步骤806使用的同一标准可以再次应用于确定数据的有统计学意义。在一附加的实施例中,可以对第二评价水平定义不同的条件,以保证质量评估和训练程序可以形成更宽泛的评价水平。
在步骤814,分析与受试者关联的感知数据。在一示例性实施例中,通过数据分析装置分析感知数据。数据分析装置可以将受试者的感知数据和与选择的评价水平关联的对等数据对比。例如,数据分析装置可以用相对于与第二评价水平关联的对等数据分析受试者在每个数据技能测试中的感知数据。因此,数据分析装置可以识别用于每个相对于对等组的受试者的技能测试的百分等级。例如,如果70%的对等者具有大于受试者的静态视觉灵敏度结果,数据分析装置可以识别受试者为30%的静态灵敏度。进一步地,如果20%的对等者具有高于受试者的分离注意力结果,则数据分析装置可以识别受试者为80%的分离注意力技能。受试者的数据分析可以包括用感知数据分析每个技能测试,分析与感知数据关联的技能测试的特定选择,及/或用感知数据分析技能测试。进一步地,数据的分析可以包括分析与受试者关联的感知数据的多种情况。例如,如果存储了感知数据的不止一种情况(例如第一测试和第二测试),则可以分析所有情况,以提供暂时的变换信息。
在步骤816,生成感知能力评估。感知能力评估可以包括在步骤814生成的图示结果。例如,可以生成视觉上呈现相对于对等数据的受试者的感知能力的图表。在一示例性实施例中,评估是线条图,其绘示了受试者在每个技能测试中相对于预先确定的目标的感知能力百分值。感知能力评估还可以是存储的和/或提供给受试者、管理者及训练程序开发者的数据的收集。因此,在一示例性实施例中,感知能力评估的生成使得分析的数据物理转换成一个或多个实体可用的形式。
参照图9,其表示根据本发明的示例性实施例的用于分析受试者感知能力数据的方法900。应理解到的是,方法900可以在远程位置、中心位置或一个或多个远程位置与中心位置的组合实施。在步骤902,接收在远程位置已经收集的受试者的人口统计学数据。例如,有关受试者的身高、体重、位置、竞技水平等的信息可以包括人口统计学数据。在步骤904,存储人口统计学数据。在一示例性实施例中,在数据存储器中存储人口统计学数据。在步骤906,接收在远程位置收集的受试者的感知数据。感知数据包含一个或多个感知评价标准。感知评价标准是具体的感知能力的测定结果。因此,每个感知技能可以具有唯一的说明受试者在具体的感知技能的感知能力的感知评价标准。感知数据可以包括用于施予受试者的每个感知技能测试的感知评价标准。在步骤908,与人口统计学数据关联存储感知数据。例如,感知数据可以存储到物理上或概念上不同于受试者的人口统计学数据的位置,但是在两个数据组之间得出关联。在一示例性实施例中,通过允许多组数据彼此之间相互关联的数据库关键码提供关联。
在步骤910,接收远程信息。远程信息包括与感知数据的收集相关的信息。例如,远程信息可以包括测试装置的标识符、测试管理者、远程位置、时间、日期等。在步骤912,远程信息与感知数据关联存储。因此,与感知数据的收集相关的信息可以基于关联引用。例如,如果一个或多个感知评价标准落到统计学范围之外,并因此被识别为潜在错误,则远程信息可以辅助识别错误的进入点。
在步骤914,识别包括有统计学意义的对等数据的评价水平。对等数据包括来自多个其它受试者的感知数据。在一示例性实施例中,人口统计学数据与运动树功能共同使用,以辅助识别用于具体受试者的合适的评价水平。如前所述,对等数据可以包括一个或多个受试者的数据,其中受试者以相似的评价水平与当前的受试者关联。在步骤916,相对对等数据分析感知数据的一个或多个感知评价标准。分析用于生成受试者的感知能力的比较概评。例如,感知数据的感知标准可以指示包括在感知数据中的每个感知技能的受试者的感知能力的量化测定结果。因此,可以相对于相似的感知标准从对等数据中分析每个感知标准。可以相对于包括在对等数据中的静态视觉灵敏度分析受试者的静态视觉灵敏度标准。
在步骤918,生成受试者的感知能力的评估。例如,评估的生成包括将分析的感知评价标准结果格式化为受试者、测试管理者、教练或训练程序开发者可用的格式。在步骤920,储存涉及人口统计学数据的评估。例如,在一实施例中,将评估存储到数据库中,使得其可以根据受试者的人口统计学数据(例如姓名、标识符、关键码、生日)找回。因此,可以随后定位评估用于比较或进一步分析和浏览。在步骤922,将评估传输给远程位置。在一示例性实施例中,评估存储到与远程位置分离的数据存储器中。因此,可以将评估从数据存储器传输到远程位置。在另一实施例中,将评估存储在与远程位置关联的数据存储器中,但是将评估传输给远程位置的显示装置。
在步骤924,使用功能开发用于受试者的感知训练程序。例如,训练程序开发者可以实施一个或多个训练程序功能,以识别一个或多个感知技能,以包括到用于受试者的训练程序中。在一示例性实施例中,功能评价分析的技能评价标准,以识别在第一级别第一百分值范围的那些感知技能,然后是第一级别第二百分值范围的感知技能,之后是第二级别第一百分值范围的感知技能,随后是第二级别第二百分值范围的感知技能。功能继续识别那些第三百分值范围内的感知技能,然后是第四百分值范围内的感知技能。另外,功能可以包括一个或多个条件。例如,功能的条件可能需要包括在训练计划中的至少一个感知功能来自具体的级别。另一个示例性实施例包括将所选感知技能的数量限制在一定数量的功能的条件。进一步地,功能的条件可能需要选择具体的感知技能(例如,受试者有兴趣训练的感知技能,以保持受试者的兴趣)。
在步骤926,存储感知训练程序。例如,感知训练程序可以存储在与中心位置关联的数据存储器中、与远程位置关联的数据存储器中或可选择的位置。在一示例性实施例中,感知训练程序与受试者的人口统计学数据关联存储。在步骤928,将感知训练程序传输到远程位置。在一示例性实施例中,将感知训练程序传输到远程位置包括将感知训练程序传输到一个或多个远程位置。感知训练程序的传输可以以网络连接的方式发生。
本发明中已经说明了各种方法;能够预期的是,通过具有处理器和存储器的一个或多个装置可以在计算环境中实施一个或多个方法。因此,尽管某些方法在进行说明时并未涉及计算环境,但是这些方法可以进一步地用一个或多个计算装置在计算环境中实施。
本发明已经说明了涉及的具体实施方式,其仅是示例性的而非对本发明的限制。
通过前述,将了解到本发明非常出色地实现了前述宗旨和目的及方法的各种明显的其它优点。应该理解到某些特征和亚组合是有效用的,其可以无需参考其它特征和亚组合使用。这是可以预期的,而且属于本发明的保护范围。
Claims (11)
1.一种使用具有存储器和处理器的计算装置在中心位置分析感知能力数据的方法,其特征在于,所述方法包含:
从远程位置接收数据,其中数据包含与受试者关联的感知能力数据和人口统计学数据;
存储数据;
识别与受试者关联的潜在的评价水平,其中使用运动树功能至少部分地识别评价水平;
找回与潜在的评价水平关联的对等数据;及
确定对等数据何时对于生成与受试者关联的感知能力数据的比较概评具有显著统计学意义;
进一步包含:
确定对等数据对于生成与受试者关联的感知能力数据的比较概评不具有统计学意义;
识别与受试者关联的更宽泛的评价水平,其中使用运动树功能至少部分地识别更宽泛的评价水平;
找回与更宽泛的评价水平关联的对等数据;及
确定与更宽泛的评价水平关联的对等数据对于生成与受试者关联的感知能力数据的比较概评具有统计学意义。
2.根据权利要求1所述的方法,其特征在于,进一步包含:分析与受试者关联的感知能力数据以生成感知能力评估;及生成感知能力评估。
3.根据权利要求2所述的方法,其特征在于,进一步包含:开发感知训练程序,其中感知训练程序至少部分基于感知能力评估。
4.根据权利要求3所述的方法,其特征在于,开发感知训练程序包含:
为报告了感知能力数据的多个技能测试中的每一个识别百分等级,其中技能测试中的每一个被分为第一级别或第二级别;
在第一百分值范围识别多个技能测试中的每一个;
在第二百分值范围识别多个技能测试中的每一个;
在第三百分值范围识别多个技能测试中的每一个;
在第四百分值范围识别多个技能测试中的每一个;及
按照以下评价顺序选择预先确定数目的技能测试,直到选择的技能测试的总数目等于预先确定的数目,所述评价顺序包括:
将技能测试分类到第一级别且与第一百分值范围关联;
将技能测试分类到第一级别且与第二百分值范围关联;
将技能测试分类到第二级别且与第一百分值范围关联;
将技能测试分类到第二级别且与第二百分值范围关联;
将技能测试分类到第一级别且与第三百分值范围关联;
将技能测试分类到第二级别且与第三百分值范围关联;
将技能测试分类到第一级别且与第四百分值范围关联;
将技能测试分类到第二级别且与第四百分值范围关联。
5.根据权利要求4所述的方法,其特征在于,进一步包含:确定选择的技能测试仅包括分类到第一级别的技能测试;及包括分类到第二级别的技能测试。
6.根据权利要求4所述的方法,其特征在于,进一步包含:确定选择的技能测试仅包括分类到第一级别的技能测试;及用分类到第二级别的技能测试取代分类到第一级别的技能测试。
7.根据权利要求1所述的方法,其特征在于,当对等数据包括预先确定数目的用于生成与受试者关联的感知能力数据的评估的数据点时,对等数据具有有统计学意义。
8.根据权利要求1所述的方法,其特征在于,数据进一步包含远程信息。
9.一种用于分析受试者的感知能力数据的方法,其特征在于,所述方法包含:
接收受试者的人口统计学数据;
存储人口统计学数据;
接收受试者的感知数据,所述感知数据在远程位置收集,其中感知数据包含一个或多个感知评价标准;
存储与人口统计学数据关联的感知数据;
接收远程信息,其中远程信息包括涉及感知数据的收集的信息;
存储与感知数据关联的远程信息;
识别包括有统计学意义的对等数据的评价水平,其中对等数据包含来自多个其它受试者的感知数据;
相对于对等数据分析受试者的感知数据的一个或多个感知评价标准,以生成受试者的感知能力的比较概评;
生成受试者的感知能力的评估;
存储与人口统计学数据关联的评估;
将评估传输到远程位置;
使用训练程序功能开发用于受试者的感知训练程序;
存储与人口统计学数据关联的训练程序;及
将感知训练程序传输到远程位置;
其中,人口统计学数据包括受试者的一个或多个特征;远程信息包括远程位置的一个或多个识别特征。
10.根据权利要求9所述的方法,其特征在于,训练程序功能包含:
将受试者的感知能力数据的每一个感知评价标准分为第一级别或第二级别,其中感知评价标准表示感知能力的量化评估;
识别感知评价标准的每一个相对于对等数据的百分等级;及
选择预先确定数目的感知评价标准,其中按照下述顺序选择感知评价标准直到已经选择出预先确定数目的感知评价标准:
1)选择分类到第一级别且识别的百分等级的范围在1%至24%的感知评价标准;
2)选择分类到第一级别且识别的百分等级的范围在25%至49%的感知评价标准;
3)选择分类到第二级别且识别的百分等级的范围在1%至24%的感知评价标准;
4)选择分类到第二级别且识别的百分等级的范围在25%至49%的感知评价标准;
5)选择分类到第一级别且识别的百分等级的范围在50%至74%的感知评价标准;
6)选择分类到第二级别且识别的百分等级的范围在50%至74%的感知评价标准;
7)选择分类到第一级别且识别的百分等级的范围在75%至99%的感知评价标准;
8)选择分类到第二级别且识别的百分等级的范围在75%至99%的感知评价标准。
11.根据权利要求10所述的方法,其特征在于,训练程序功能进一步包含:识别选择的感知评价标准均被分类到第一级别;及用被分类为第二级别的感知评价标准代替选择的感知评价标准中的一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/534,623 US8073805B2 (en) | 2007-09-26 | 2009-08-03 | Sensory testing data analysis by categories |
US12/534,623 | 2009-08-03 | ||
PCT/US2010/044255 WO2011017327A1 (en) | 2009-08-03 | 2010-08-03 | Sensory testing data analysis by categories |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102548470A CN102548470A (zh) | 2012-07-04 |
CN102548470B true CN102548470B (zh) | 2014-08-06 |
Family
ID=43544628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080044447.9A Active CN102548470B (zh) | 2009-08-03 | 2010-08-03 | 通过分类分析感知测试数据 |
Country Status (7)
Country | Link |
---|---|
US (2) | US8073805B2 (zh) |
EP (1) | EP2461741A4 (zh) |
JP (1) | JP5631995B2 (zh) |
KR (1) | KR101768729B1 (zh) |
CN (1) | CN102548470B (zh) |
CA (1) | CA2770078C (zh) |
WO (1) | WO2011017327A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8073805B2 (en) * | 2007-09-26 | 2011-12-06 | Nike, Inc. | Sensory testing data analysis by categories |
RU2506047C1 (ru) * | 2012-12-19 | 2014-02-10 | Общество с ограниченной ответственностью "ЛЭМА" | Способ тестирования времени реакции человека |
US9161708B2 (en) | 2013-02-14 | 2015-10-20 | P3 Analytics, Inc. | Generation of personalized training regimens from motion capture data |
WO2014209362A1 (en) * | 2013-06-28 | 2014-12-31 | Hewlett-Packard Development Company, L.P. | Simulating sensors |
US10643741B2 (en) | 2016-11-03 | 2020-05-05 | RightEye, LLC | Systems and methods for a web platform hosting multiple assessments of human visual performance |
WO2018174908A1 (en) * | 2017-03-24 | 2018-09-27 | Hitachi, Ltd. | Method to enhance reliability of monitoring data for edge-core distributed analytics systems |
CN110812803B (zh) * | 2019-10-17 | 2021-04-27 | 中国科学院计算技术研究所 | 用于认知能力提升的交互式辅助干预系统 |
CN111553357B (zh) * | 2019-12-12 | 2020-11-24 | 电子科技大学中山学院 | 包含滑动图案标识的产品功能耐久性测试自学习方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5692501A (en) * | 1993-09-20 | 1997-12-02 | Minturn; Paul | Scientific wellness personal/clinical/laboratory assessments, profile and health risk managment system with insurability rankings on cross-correlated 10-point optical health/fitness/wellness scales |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3861790A (en) * | 1973-02-14 | 1975-01-21 | Raymond M Tamura | Dynamic visual acuity testing system |
US5050982A (en) * | 1989-10-06 | 1991-09-24 | Meissner Juergen P | Method and apparatus for improving visual acuity |
US5478239A (en) * | 1993-12-21 | 1995-12-26 | Maximum Performance, Inc. | Dynamic visual acuity training method and apparatus |
US5892501A (en) * | 1996-01-17 | 1999-04-06 | Lg Electronics Inc, | Three dimensional wireless pointing device |
US6129435A (en) * | 1998-04-09 | 2000-10-10 | Nike, Inc. | Decentered protective eyewear |
SE9902773L (sv) * | 1999-07-22 | 2001-01-23 | Aproch Ab | System för att analysera en sportutövares spelkaraktäristik |
US6631987B2 (en) * | 2001-01-23 | 2003-10-14 | Nike, Inc. | Activity-specific optical filters and eyewear using such filters |
KR100466665B1 (ko) * | 2001-06-12 | 2005-01-15 | 주식회사 코디소프트 | 게임을 이용한 자동체력평가운동방법 |
CN1592594A (zh) * | 2001-06-19 | 2005-03-09 | 数字运动媒体 | 生理监控及系统 |
US7073208B2 (en) * | 2002-12-20 | 2006-07-11 | Jackson Products, Inc. | Ventilated safety goggles |
JP2004355617A (ja) * | 2003-05-08 | 2004-12-16 | Sportsplex Japan Kk | メディフィットシステム |
US6811258B1 (en) * | 2003-06-23 | 2004-11-02 | Alan H. Grant | Eyeglasses for improved visual contrast using hetero-chromic light filtration |
US20050273017A1 (en) * | 2004-03-26 | 2005-12-08 | Evian Gordon | Collective brain measurement system and method |
JP2007143672A (ja) * | 2005-11-25 | 2007-06-14 | Toko Electric Corp | 健康管理システム |
US7849115B2 (en) * | 2006-06-05 | 2010-12-07 | Bruce Reiner | Method and apparatus for adapting computer-based systems to end-user profiles |
US8554512B2 (en) * | 2006-06-13 | 2013-10-08 | Nike, Inc. | Athletic performance data system and method |
US8131662B2 (en) * | 2007-09-26 | 2012-03-06 | Nike, Inc. | Remote vision testing data collection |
US8073805B2 (en) * | 2007-09-26 | 2011-12-06 | Nike, Inc. | Sensory testing data analysis by categories |
US20100190142A1 (en) * | 2009-01-28 | 2010-07-29 | Time To Know Ltd. | Device, system, and method of automatic assessment of pedagogic parameters |
-
2009
- 2009-08-03 US US12/534,623 patent/US8073805B2/en active Active
-
2010
- 2010-08-03 CN CN201080044447.9A patent/CN102548470B/zh active Active
- 2010-08-03 WO PCT/US2010/044255 patent/WO2011017327A1/en active Application Filing
- 2010-08-03 JP JP2012523698A patent/JP5631995B2/ja active Active
- 2010-08-03 KR KR1020127005101A patent/KR101768729B1/ko active IP Right Grant
- 2010-08-03 EP EP10807029.3A patent/EP2461741A4/en not_active Withdrawn
- 2010-08-03 CA CA2770078A patent/CA2770078C/en active Active
-
2011
- 2011-12-05 US US13/373,912 patent/US8996446B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5692501A (en) * | 1993-09-20 | 1997-12-02 | Minturn; Paul | Scientific wellness personal/clinical/laboratory assessments, profile and health risk managment system with insurability rankings on cross-correlated 10-point optical health/fitness/wellness scales |
Also Published As
Publication number | Publication date |
---|---|
KR20120072364A (ko) | 2012-07-03 |
EP2461741A4 (en) | 2015-10-07 |
JP5631995B2 (ja) | 2014-11-26 |
CN102548470A (zh) | 2012-07-04 |
US8996446B2 (en) | 2015-03-31 |
US20120077164A1 (en) | 2012-03-29 |
EP2461741A1 (en) | 2012-06-13 |
CA2770078C (en) | 2018-02-20 |
US20100070453A1 (en) | 2010-03-18 |
JP2013500833A (ja) | 2013-01-10 |
CA2770078A1 (en) | 2011-02-10 |
KR101768729B1 (ko) | 2017-08-16 |
US8073805B2 (en) | 2011-12-06 |
WO2011017327A1 (en) | 2011-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102548470B (zh) | 通过分类分析感知测试数据 | |
Huijgen et al. | Multidimensional performance characteristics in selected and deselected talented soccer players | |
O'Donoghue | An introduction to performance analysis of sport | |
CA2715965C (en) | Electronic analysis of athletic performance | |
Louzada et al. | iSports: A web-oriented expert system for talent identification in soccer | |
O'donoghue | Research methods for sports performance analysis | |
Sampaio et al. | Measuring tactical behaviour in football | |
Naughton et al. | Quantifying the collision dose in rugby league: a systematic review, meta-analysis, and critical analysis | |
Khan et al. | Activity recognition for quality assessment of batting shots in cricket using a hierarchical representation | |
Piggott et al. | Small-sided games can discriminate perceptual-cognitive-motor capability and predict disposal efficiency in match performance of skilled Australian footballers | |
Lövdal et al. | Injury prediction in competitive runners with machine learning | |
CN117390401B (zh) | 一种基于云平台的校园体育数字化管理系统和方法 | |
Haycraft et al. | Relationships between physical testing and match activity profiles across the Australian football league participation pathway | |
Cullinane et al. | An Introduction to Performance Analysis of Sport | |
Bunn et al. | How much does experience matter in NCAA division I volleyball? A retrospective study | |
Sabag et al. | Teamwork and Decision Making among Basketball Referees: The 3PO Principle, Refereeing Level, and Experience | |
Sharma et al. | A contemporary variable-power cycling protocol to discriminate race-specific performance ability | |
do Vale | Analysis of Video Assistant Referee (VAR) in football | |
Bush | Contemporary Factors Impacting Match Performances Of Elite Soccer Players: The Development And Evolution Of Performance In The English Premier League. | |
Jennings | A data-driven talent pathway: match-play demands, talent identification and draft prediction in male elite-junior Australian Rules football | |
Devaki et al. | Usage of Technologies in Sports | |
US20230018013A1 (en) | Athlete Performance Tracking and Prediction System | |
Huijgen et al. | Multidimensional performance characteristics in selected and de-selected talented soccer players | |
Rolf et al. | Does the Use of VR Improve Individuals’ Performance in Sports?: A Scoping Review | |
Park et al. | Evaluation in Sports Performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
ASS | Succession or assignment of patent right |
Owner name: NIKE INNOVATION LIMITED PARTNERSHIP Free format text: FORMER OWNER: NIKE INTERNATIONAL LTD. Effective date: 20140916 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20140916 Address after: oregon Patentee after: Nike Innovation Limited Partnership Address before: Oregon beaver Street meal Bormann Patentee before: Nike International Ltd. |